碳纤维复合材料作为一种新型材料,具有比模量高、比强度高、耐候性好等优点,广泛应用于航空航天、轨道交通、风力发电和汽车制造等领域。复合材料由于结构设计多样,制备工艺复杂,且对外来冲击载荷敏感,导致其在生产制造阶段与服役过程中,容易出现制造缺陷和冲击损伤等问题。这些缺陷和损伤多数存在于结构内部,肉眼几乎不可见,但却会对材料的整体性能造成影响,降低结构强度,形成安全隐患,甚至导致灾难事故的发生。因此,有必要对碳纤维复合材料的无损检测与评估方法进行研究,及时发现和解决存在的问题与隐患,保证复合材料结构的安全。本文以碳纤维复合材料中的制造缺陷和冲击损伤问题为研究对象,以超声相控阵检测技术为基础,对复合材料的无损检测与评估方法进行了探索,主要研究内容包括:（1）碳纤维复合材料超声C扫数据集的构建。数据集是课题研究开展的基础,针对客观现实需求,自主构建了复合材料的超声C扫数据集。首先,进行碳纤维复合材料制造缺陷、冲击损伤和无缺陷试样的选取与制备。然后,利用超声相控阵检测设备对复合材料进行超声C扫检测,获取各种类型和规格的原始检测数据。最后,通过程序化的方式对原始数据进行数据转换和数据增强处理,完成所需数据集的构建。（2）基于卷积神经网络的缺陷分类识别研究。为了解决复合材料无损检测与评估过程中存在的工作量大、效率较低的问题,以自制超声C扫数据集为基础,利用卷积神经网络对复合材料的缺陷识别问题进行了研究。首先,根据超声C扫数据集中各种类型样本的特点,进行了卷积神经网络模型的设计与构建。然后,利用数据集样本完成模型的训练与优化,实现复合材料中分层缺陷、冲击损伤和无缺陷三种类型下多种规格数据的分类识别。最后,通过实验对比的方法,对所构建的网络模型的综合性能进行评定。（3）基于K-means的缺陷区域定位方法研究。针对碳纤维复合材料缺陷损伤区域定位过程中依赖人工判定的问题,以自制数据集中不同规格的分层缺陷和冲击损伤图像为研究对象,在图像分割方法的基础上,提出了一种基于K-means的缺陷损伤区域定位方法。该方法利用缺陷图像的轮廓信息,进行相应的图像形态学操作和必要的填充处理,实现了缺陷区域相对位置的自主判定。通过实验的方式,对所提缺陷定位方法的实际效果与性能进行了检验。（4）超声检测评估软件的设计。基于自制的超声C扫数据集和所提出的碳纤维复合材料缺陷分类识别方法、缺陷损伤区域定位方法,进行碳纤维复合材料缺陷超声检测评估软件的设计。论文从碳纤维复合材料超声检测与评估的工程应用实际情况出发,研究并提出了上述模型与方法,在此基础上,设计了复合材料超声检测评估软件,实现了材料内部缺陷损伤情况的自动化、智能化判定,提高了复合材料超声检测与评估的客观化水平,对保障复合材料结构件的安全具有一定的工程实用价值。